![\"\"](\"https:\/\/e3mag.com\/wp-content\/uploads\/2026\/03\/banner_26-04_29_1200x150-1.jpg\")
<\/a><\/div><\/div>\n\n\n\nDie befragten Unternehmen, die grunds\u00e4tzlich hohes Vertrauen in ihre KI\/ML-Ergebnisse haben, geben gleichzeitig an, fundamentale Daten-Ineffizienzen zu haben. Unternehmen, die Large Language Models (LLMs) nutzen, berichten in 50 Prozent der F\u00e4lle von Datenungenauigkeiten und -Halluzinationen. Sie verlieren im Durchschnitt sechs Prozent ihres weltweiten Jahresumsatzes beziehungsweise 406 Millionen US-Dollar (bei einem durchschnittlichen Jahresumsatz von 5,6 Milliarden US-Dollar).<\/p>\n\n\n\n
Halluzinierende KI<\/h2>\n\n\n\n
Die Ursache sind unzureichende KI-Modelle, die mit ungenauen oder minderwertigen Daten erstellt werden. Das f\u00fchrt zu falschen Gesch\u00e4ftsentscheidungen, denn laut Umfrage setzen fast neun von zehn Unternehmen KI-\/ML-Methoden ein, um Modelle f\u00fcr die autonome Entscheidungsfindung zu erstellen. Zugleich haben die Unternehmen Probleme mit Datenungenauigkeiten und -Halluzinationen sowie Bedenken hinsichtlich Data Governance und Sicherheit. <\/p>\n\n\n\n
Deutsche Unternehmen stehen noch eher am Anfang der KI-Nutzung (60 Prozent), w\u00e4hrend sich in den USA nur 39 Prozent und in Frankreich sogar nur 36 Prozent als \u201eKI-Anf\u00e4nger\u201c einordnen. Dementsprechend sehen sich Unternehmen dort als fortgeschritten: 31 Prozent (USA) beziehungsweise 28 Prozent (Frankreich) wenden KI an, die m\u00f6glichst wenig oder keine menschlichen Eingriffe erfordert. In Deutschland sind es gerade einmal 14 Prozent.<\/p>\n\n\n\n
Insgesamt setzen fast neun von zehn Unternehmen (89 Prozent) KI-\/ML-Methoden f\u00fcr die Erstellung von Modellen ein, die automatisch Vorhersagen und Entscheidungen treffen k\u00f6nnen. 80 Prozent der Unternehmen in den USA und 75 Prozent in Frankreich tun dies schon mindestens sechs Monate, in Deutschland sagen das lediglich 44 Prozent von sich. Auch das Vertrauen in die Ergebnisse einer KI ist in Deutschland gering: W\u00e4hrend 30 Prozent der deutschen Unternehmen den Ergebnissen von generativer KI voll und ganz vertrauen, sagen dies 47 Prozent der US-amerikanischen und 48 Prozent der franz\u00f6sischen Unternehmen.<\/p>\n\n\n\n
Etwa jedes vierte Unternehmen (24 Prozent) gab an, ein fortgeschrittenes Stadium der KI-Nutzung erreicht zu haben, in dem es die Vorteile der KI voll aussch\u00f6pft und nur noch wenig oder gar nicht mehr auf menschliche Eingriffe angewiesen ist. Allerdings gibt es erhebliche Meinungsverschiedenheiten zwischen den Befragten: Technische F\u00fchrungskr\u00e4fte, die KI-Modelle entwickeln und betreiben, sind von der KI-Reife ihrer Unternehmen weniger \u00fcberzeugt. Nur 22 Prozent von ihnen bezeichnen sie als \u201efortgeschritten\u201c, verglichen mit 30 Prozent der nicht technischen Mitarbeitenden. Anders bei generativer KI: Ihr vertrauen 63 Prozent der nicht technischen Mitarbeitenden vollst\u00e4ndig, bei den technischen F\u00fchrungskr\u00e4ften sind es 42 Prozent.<\/p>\n\n\n\n
Experten und Hierarchien<\/h2>\n\n\n\n
Eine weitere Uneinigkeit besteht zwischen den Datenexperten auf unterschiedlichen F\u00fchrungsebenen eines Unternehmens: W\u00e4hrend Besch\u00e4ftigte in Junior-Positionen veraltete IT-Infrastrukturen als gr\u00f6\u00dftes Hindernis f\u00fcr die Entwicklung von KI-Modellen einsch\u00e4tzen (49 Prozent), sehen leitende Kollegen das Hauptproblem darin, dass sich Mitarbeitende mit den richtigen F\u00e4higkeiten auf andere Projekte konzentrieren (51 Prozent). Tats\u00e4chlich sind diese gezwungen, ihre Ressourcen f\u00fcr manuelle Datenprozesse wie die Bereinigung von Daten und die Reparatur defekter Datenpipelines einzusetzen. Unternehmen best\u00e4tigen, dass ihre Data Scientists den Gro\u00dfteil (67 Prozent) ihrer Zeit mit der Aufbereitung von Daten verbringen, anstatt KI-Modelle zu erstellen.<\/p>\n\n\n\n
Schlechte Datenpraktiken<\/h2>\n\n\n\n
Die Ursache f\u00fcr das vergeudete Potenzial von Datenspezialisten und die unzureichende Performance von KI-Programmen ist dieselbe: unzug\u00e4ngliche, unzuverl\u00e4ssige und falsche Daten. Wie gro\u00df das Problem ist, zeigt die Tatsache, dass die meisten Unternehmen Schwierigkeiten haben, auf alle Daten zuzugreifen, die f\u00fcr die Ausf\u00fchrung von KI-Programmen ben\u00f6tigt werden (69 Prozent), und diese in ein brauchbares Format zu bringen (68 Prozent).<\/p>\n\n\n\n
Neue Ans\u00e4tze bei generativer KI haben weitere Komplikationen mit sich gebracht: 42 Prozent der Befragten hatten schon mit Datenhalluzinationen zu tun. Diese k\u00f6nnen zu schlechten Entscheidungen f\u00fchren, da die Informationsbasis mangelhaft ist. Sie verringern das Vertrauen in LLMs oder die Bereitschaft der Mitarbeitenden, das Tool zu nutzen. Zudem rauben sie viel Zeit f\u00fcr das Auffinden und Korrigieren der Daten. Angesichts der Tatsache, dass 60 Prozent der leitenden Angestellten generative KI verwenden und f\u00fcr strategische Entscheidungen verantwortlich sind, werden Probleme mit der Qualit\u00e4t und Vertrauensw\u00fcrdigkeit der Daten noch verst\u00e4rkt.<\/p>\n\n\n\n
Data Governance und KI<\/h2>\n\n\n\n
Die Bef\u00fcrchtungen hinsichtlich des Einsatzes generativer KI bleiben ebenfalls bestehen, wobei \u201edie Aufrechterhaltung der Data Governance\u201c und \u201efinanzielle Risiken aufgrund der Sensibilit\u00e4t der Daten\u201c die gr\u00f6\u00dften Bedenken der Unternehmen sind (37 Prozent). Solide Data-Governance-Grundlagen sind besonders wichtig f\u00fcr Unternehmen, die entweder ganz oder teilweise selbst entwickelte Generative-KI-Modelle verwenden wollen.<\/p>\n\n\n\n
Da jedoch die Mehrheit (67 Prozent) der Befragten den Einsatz neuer Technologien plant, um grundlegende Datenbewegungen, Governance- und Sicherheitsfunktionen zu st\u00e4rken, gibt es Grund zum Optimismus. Taylor Brown, Mitbegr\u00fcnder und COO von Fivetran und Auftraggeber der Studie, bewertet die Ergebnisse: \u201eDie schnelle Verbreitung von generativer KI spiegelt einen weitverbreiteten Optimismus und eine Zuversicht in den Unternehmen wider.<\/p>\n\n\n\n
Aber unter der Oberfl\u00e4che gibt es immer noch grundlegende Datenprobleme, die Unternehmen daran hindern, ihr volles Potenzial auszusch\u00f6pfen. Unternehmen m\u00fcssen ihre Datenintegrations- und Governance-Grundlagen st\u00e4rken, um zuverl\u00e4ssigere KI-Ergebnisse zu erzielen und finanzielle Risiken zu minimieren.\u201c<\/p>\n\n\n\n